语音笔记

适用于 Linux 桌面和 Sailfish OS 的笔记、阅读和翻译应用，支持离线的语音转文本、文本转语音以及机器翻译功能。

本 README 的内容

• 描述
• 语言与模型
• 安装方法
• Flatpak 软件包
• 测试版
• 额外功能
• 从源代码构建
• 如何启用自定义模型
• 为 Speech Note 做贡献
• 如何支持
• 评测与演示
• 许可证

描述

Speech Note 让您能够以多种语言记录、朗读和翻译笔记。它通过语音转文本、文本转语音和机器翻译来实现这些功能。文本和语音处理完全在本地进行，无需网络连接，您的隐私始终受到保护，没有任何数据会被发送到互联网。

Speech Note 使用多种不同的处理引擎来完成其任务。目前使用的引擎包括：

• 语音转文本 (STT)
  • Coqui STT（Mozilla DeepSpeech 的分支）
  • Vosk
  • whisper.cpp
  • Faster Whisper
  • april-asr
• 文本转语音 (TTS)
  • espeak-ng
  • MBROLA
  • Piper
  • RHVoice
  • Coqui TTS
  • Mimic 3
  • WhisperSpeech
  • Kokoro
  • Parler-TTS
  • F5-TTS
  • S.A.M.
• 机器翻译 (MT)
  • Bergamot Translator

语言与模型

Speech Note 的安装包并不包含所支持模型的检查点文件，但用户可以通过应用程序内置的图形化模型浏览器轻松下载所需模型。

以下语言及模型已被支持并可下载：

语言ID	名称	DeepSpeech (语音识别)	Whisper (语音识别)	Vosk (语音识别)	April-ASR (语音识别)	Piper (文本转语音)	RHVoice (文本转语音)	espeak (文本转语音)	MBROLA (文本转语音)	Coqui (文本转语音)	Mimic3 (文本转语音)	WhisperSpeech (文本转语音)	Kokoro (文本转语音)	F5-TTS	Parler-TTS	S.A.M. (文本转语音)	Bergamot (机器翻译)
af	南非语		●					●			●
am	阿姆哈拉语	● (e)	●					●		●
ar	阿拉伯语		●	●		●		●	●	●							●
az	阿塞拜疆语		●														●
be	白俄罗斯语		●														●
bg	保加利亚语		●					●		●
bn	孟加拉语		●					●		●	●
bs	波斯尼亚语		●					●									●
ca	加泰罗尼亚语	●	●	●		●		●		●							●
cs	捷克语	●	●	●		●	●	●	●	●							●
cy	威尔士语					●
da	丹麦语		●			●		●		●							●
de	德语	●	●	●		●		●		●	●	●			●(e)		●
el	希腊语	● (e)	●			●		●		●	●						●
en	英语	●	●	●	●	●	●	●		●	●	●	●	●	●	●	●
eo	世界语			●			●	●
es	西班牙语	●	●	●		●	●	●		●	●	●	●		●(e)		●
et	爱沙尼亚语	● (e)	●					●	●	●							●
eu	巴斯克语	● (e)	●					●		●
fa	波斯语	●	●	●		●		●	●	●	●						●
fi	芬兰语	●	●			●		●		●	●						●
fr	法语	●	●	●	●	●		●		●	●	●	●		●(e)		●
ga	爱尔兰语							●		●
gu	古吉拉特语		●					●			●
ha	豪萨语		●								●
he	希伯来语		●							●
hi	印地语		●	●		●		●					●
hr	克罗地亚语		●				●	●	●	●
hu	匈牙利语	● (e)	●			●		●	●	●	●						●
id	印度尼西亚语	● (e)	●					●	●	●							●
is	冰岛语		●			●		●		●							●
it	意大利语	●	●	●		●		●		●	●	●	●		●(e)		●
ja	日语		●	●				●		●			●				●
jv	爪哇语		●								●
ka	格鲁吉亚语		●			●	●	●
kk	哈萨克语		●	●		●		●		●
kn	卡纳达语		●							●							●
ko	韩语		●	●				●		●							●
ky	吉尔吉斯语						●	●
la	拉丁语							●		●
lb	卢森堡语					●
lt	立陶宛语		●					●	●	●							●
lv	拉脱维亚语	●	●			●		●		●							●
mk	马其顿语		●				●	●
ml	马拉雅拉姆语		● (e)			●				●							●
mn	蒙古语	● (e)	●							●
mr	马拉地语		●							●
ms	马来语		●					●	●	●
mt	马耳他语		●					●		●
ne	尼泊尔语		●			●		●			●
nl	荷兰语	● (e)	●	●		●		●		●	●	●			●(e)		●
no	挪威语		●			●		●									●
pl	波兰语	●	●	●	●	●	●	●	●	●	●	●			●(e)		●
pt	葡萄牙语	● (e)	●	●		●		●	●	●			●		●(e)		●
ro	罗马尼亚语	● (e)	●			●		●	●	●							●
ru	俄语	●	●	●		●	●	●			●						●
sk	斯洛伐克语		●			●	●	●		●							●
sl	斯洛文尼亚语	● (e)	●			●		●		●							●
sq	阿尔巴尼亚语		●				●	●		●
sr	塞尔维亚语		●			●	●	●									●
sv	瑞典语		●	●		●		●	●	●	●						●
sw	斯瓦希里语	●	●			●		●		●
ta	泰米尔语		●							●							●
te	泰卢固语		●					●			●
th	泰语	● (e)	●					●		●
tl	他加禄语		●	●						●
tn	茨瓦纳语		●					●			●
tr	土耳其语	● (e)	●	●		●		●	●	●							●
tt	鞑靼语		●				●	●		●
uk	乌克兰语	●	●	●		●	●	●		●	●						●
uz	乌兹别克语		●	●				●		●
vi	越南语		●	●		●		●		●							●
yo	约鲁巴语	● (e)	●							●	●
zh	中文	●	●	●		●		●		●			●	●			●

^{(e) 实验性，很可能效果不佳}

更快的 Whisper、Coqui TTS 和 Mimic3 模型仅适用于 x86-64 架构。

语言模型可以直接从应用程序中下载。

当前已配置可供下载的模型详情，请参阅 models.json (GitHub) 或 models.json (GitLab)。

安装方法

• Linux 桌面版：Flatpak

# Flatpak 基础包
flatpak install net.mkiol.SpeechNote

# 可选的 NVIDIA 插件包
flatpak install net.mkiol.SpeechNote.Addon.nvidia

# 可选的 AMD 插件包
flatpak install net.mkiol.SpeechNote.Addon.amd

• Arch Linux (AUR)：

  • dsnote
  • dsnote-git

• openSUSE (Packman 仓库)

# 基础包
zypper in speechnote

# 可选的对 Speech Note 中基于 Python 功能的支持
zypper in speechnote-python-modules

• Sailfish OS：OpenRepos

Flatpak 软件包

通过 Flatpak 分发的应用程序（发布在 Flathub 上）由以下软件包组成：

• 基础包“Speech Note”（net.mkiol.SpeechNote）
• 针对 NVIDIA 显卡的可选插件“Speech Note NVIDIA”（net.mkiol.SpeechNote.Addon.nvidia）
• 针对 AMD 显卡的可选插件“Speech Note AMD”（net.mkiol.SpeechNote.Addon.amd）

基础包包含了运行应用程序所有功能所需的所有依赖项。 插件则增加了 GPU 加速功能，从而加快应用程序中某些操作的速度。

基础包和插件都包含许多“重量级”库，如 CUDA、ROCm、Torch 和 Python 库等。 因此，这些软件包的大小以及安装后所需的磁盘空间都非常大。 如果您不需要全部功能，可以使用体积小得多的“Tiny”版本（可在 Releases 页面获取），它仅提供基本功能。如果需要，您也可以将“Tiny”版本与 GPU 加速插件一起使用。

基础包、Tiny 版本和插件的 Flatpak 软件包大小对比：

大小	基础包	Tiny 版本	AMD 插件	NVIDIA 插件
下载大小	1.2 GiB	48 MiB	+7.6 GiB	+4.3 GiB
解压后大小	3.6 GiB	170 MiB	+34 GiB	+9 GiB

插件使用所谓的“额外数据”。这意味着在安装过程中，会从原始来源下载几个二进制模块，并将其合并到 Flatpak 包中。由于这一过程，安装插件时会暂时需要额外的磁盘空间。请确保您安装 Flatpak 应用程序的分区有足够的可用空间。当 Flatpak 包以系统范围方式安装时（默认设置），应用程序会被存储在 /var/lib/flatpak 中。如果是用户级别的安装（--user），应用程序则会被存储在 ~/.local/share/flatpak 中。

安装插件所需的磁盘空间：

插件	大小
AMD 插件	55 GiB
NVIDIA 插件	15 GiB

基础包、Tiny 版本和插件的特性对比：

功能	基础包	Tiny 版本	AMD 插件	NVIDIA 插件
Coqui/DeepSpeech STT	+	+
Vosk STT	+	+
Whisper (whisper.cpp) STT	+	+
Whisper (whisper.cpp) STT OpenCL ROCm	-	-	+
Whisper (whisper.cpp) STT OpenCL NVIDIA	+	+
Whisper (whisper.cpp) STT ROCm	-	-	+
Whisper (whisper.cpp) STT CUDA	-	-		+
Whisper (whisper.cpp) STT OpenVINO	+	-
Whisper (whisper.cpp) STT Vulkan	+	+
FasterWhisper STT	+	-
FasterWhisper STT CUDA	-	-		+
April-ASR STT	+	+
eSpeak TTS	+	+
MBROLA TTS	+	+
Piper TTS	+	+
RHVoice TTS	+	+
Coqui TTS	+	-
Coqui TTS ROCm	-	-	+
Coqui TTS CUDA	-	-		+
Mimic3 TTS	+	-
WhisperSpeech TTS	+	-
WhisperSpeech TTS ROCm	-	-	+
WhisperSpeech TTS CUDA	-	-		+
Kokoro TTS	+	-
Kokoro TTS ROCm	-	-	+
Kokoro TTS CUDA	-	-		+
Parler-TTS	+	-
Parler-TTS ROCm	-	-	+
Parler-TTS CUDA	-	-		+
F5-TTS	+	-
F5-TTS ROCm	-	-	+
F5-TTS CUDA	-	-		+
S.A.M TTS	+	+
标点符号恢复	+	-
翻译	+	+

测试版

除了 Flathub 仓库中的稳定版本外，您还可以尝试测试即将发布的“Beta”版本。该版本虽然可用，但可能包含更多 bug。

Beta 版本可在“flathub-beta”仓库中找到。请按照这些说明在您的计算机上启用 flathub-beta。

额外功能

命令行选项

CLI 界面主要用于在 Speech Note 已经运行时与桌面集成（例如，隐藏在系统托盘或后台）。

示例

列出所有支持的选项：

flatpak run net.mkiol.SpeechNote --help

开始监听：

flatpak run net.mkiol.SpeechNote --action start-listening

取消任何已启动的操作：

flatpak run net.mkiol.SpeechNote --action cancel

开始监听，解码后的文本将保存到剪贴板：

flatpak run net.mkiol.SpeechNote --action start-listening-clipboard

开始监听，解码后的文本将插入到桌面上光标所在的任何窗口中：

flatpak run net.mkiol.SpeechNote --action start-listening-active-window

开始朗读“Hello, how are you doing?”：

flatpak run net.mkiol.SpeechNote --action start-reading-text --text "Hello, how are you doing?"

将“Hello, how are you doing?”的语音保存到“speech.mp3”文件中：

flatpak run net.mkiol.SpeechNote --action start-reading-text --text "Hello, how are you doing?" --output-file speech.mp3

列出所有可用的 TTS 模型：

flatpak run net.mkiol.SpeechNote --print-available-models tts

全局键盘快捷键

全局键盘快捷键允许您使用键盘启动监听或朗读功能，即使应用程序未处于活动状态（例如最小化、隐藏在系统托盘图标中或仅在后台运行）。

要启用并自定义键盘快捷键，请前往 设置->辅助功能->使用全局键盘快捷键。

为了使快捷键在 Wayland 下正常工作，您的桌面环境必须在 XDG Desktop Portal 服务中支持 GlobalShortcuts 接口。目前，GlobalShortcuts 仅在最新的 KDE Plasma 和 GNOME 桌面环境中受支持。

当使用 XDG Desktop Portal 来管理全局快捷键时，请使用桌面环境自带的工具来自定义按键绑定。

插入到当前窗口

通过全局键盘快捷键或命令行操作，您可以直接开始监听并将解码后的文本插入到当前焦点窗口中。这使得您能够将 Speech Note 用作桌面端的语音输入工具。

在 X11 下，此功能应可开箱即用。

在 Wayland 下，必须安装并运行外部 ydotool 守护进程才能使其正常工作。如果您使用 Flatpak，请确保应用程序具有访问 ydotool 守护进程套接字文件及其所在目录的权限。

字幕

在进行语音转文字 (STT) 时，您也可以将音频转换为字幕而不是纯文本。支持的格式是 SRT。

TTS 功能也支持字幕输出。朗读字幕时会根据字幕的时间戳进行同步。如果进行了相应配置，语音速度可以自动调整以匹配字幕片段的持续时间。这样就可以从字幕文件生成旁白。

从源代码构建

Arch Linux

您还可以使用提供的 PKGBUILD 文件从仓库构建并安装最新的开发版（git）或最新稳定版（release）（请注意，以下关于在 Linux 上构建的说明同样适用）：

git clone <git 仓库 URL>

cd dsnote/arch/git      # 构建最新 git 版本
# 或
cd dsnote/arch/release  # 构建最新 release 版本

makepkg -si

RHEL/Fedora/Rocky Linux

您也可以使用提供的 SPEC 文件和辅助脚本 make_rpm.sh 从仓库构建并安装最新的开发版本：

git clone <git 仓库 URL>

cd dsnote/fedora

# 可选：安装构建依赖
dnf install rpmdevtools autoconf automake boost-devel cmake git kf5-kdbusaddons-devel libarchive-devel libxdo-devel libXinerama-devel libxkbcommon-x11-devel libXtst-devel libtool meson openblas-devel patchelf pybind11-devel python3-devel python3-pybind11 qt5-linguist qt5-qtmultimedia-devel qt5-qtquickcontrols2-devel qt5-qtx11extras-devel rubberband-devel taglib-devel vulkan-headers

./make_rpm.sh

Flatpak

git clone <git 仓库 URL>

cd dsnote/flatpak

# 构建基础包
flatpak-builder --force-clean --user --install-deps-from=flathub --repo="<名称或本地 flatpak 仓库路径>" "/输出目录路径" net.mkiol.SpeechNote.yaml

# 构建可选的 NVIDIA 插件包
flatpak-builder --force-clean --user --install-deps-from=flathub --repo="<名称或本地 flatpak 仓库路径>" "/输出目录路径" net.mkiol.SpeechNote.Addon.nvidia.yaml

Sailfish OS

git clone <git 仓库 URL>

cd dsnote
mkdir build
cd build

sfdk config --session specfile=../sfos/harbour-dsnote.spec
sfdk config --session target=SailfishOS-4.4.0.58-aarch64
sfdk cmake ../ -DCMAKE_BUILD_TYPE=Release -DWITH_SFOS=ON -DWITH_PY=OFF
sfdk package

Linux（直接构建）

Speech Note 有许多编译时和运行时依赖项，包括共享库和静态库、第三方可执行文件以及 Python 和 Perl 脚本。由于这些复杂性，推荐的构建方式是使用 Flatpak 工具链（Flatpak 清单文件和 flatpak-builder）。如果您希望直接构建（即不使用 Flatpak），也是可行的，但会更加复杂。

git clone <git 仓库 URL>

cd dsnote
mkdir build
cd build

cmake ../ -DCMAKE_BUILD_TYPE=Release -DWITH_DESKTOP=ON
make

若要构建时不包含 Python 组件，可在 CMake 配置步骤中添加 -DWITH_PY=OFF。

如需了解其他构建选项，请在 CMakeList.txt 文件中搜索 option(BUILD_XXX)。

最小化 Linux 构建

为了在本地开发功能，完整构建过程可能会耗费大量时间；您可以使用以下方法进行最小化直接构建：

git clone <git 仓库 URL>

cd dsnote
mkdir build
cd build

cmake ../  -DWITH_DESKTOP=ON \
  -DWITH_PY=ON \
  -DDOWNLOAD_VOSK=ON \
  -DBUILD_VOSK=OFF \
  -DBUILD_WHISPERCPP=OFF \
  -DBUILD_OPENBLAS=OFF \
  -DBUILD_RHVOICE=OFF \
  -DBUILD_RHVOICE_MODULE=OFF \
  -DBUILD_BERGAMOT=OFF
make

构建 WlClipboard

如果您想构建 wl-clipboard，或者您的系统中没有 wl-clipboard，并且在尝试将文本粘贴到当前窗口时，KDE Klipper 或 QClipboard 无法正常工作，您可以添加以下标志来构建 wl-clipboard：

cmake ../  -DWITH_DESKTOP=ON -DCMAKE_BUILD_TYPE=Release -DBUILD_WL_CLIPBOARD

如何启用自定义模型

所有可供下载的模型均在配置文件（config/models.json）中指定。要启用与当前支持的引擎兼容的自定义模型，只需编辑此文件并重启应用程序即可。

首次运行应用程序时，模型配置文件会创建在以下路径：

• ~/.local/share/net.mkiol/dsnote/models.json，或
• ~/.var/app/net.mkiol.SpeechNote/data/net.mkiol/dsnote/models.json（Flatpak），或
• ~/.local/share/org.mkiol/dsnote/models.json（Sailfish OS）

您可以自由编辑当前已启用的模型，也可以添加新的模型。

模型定义如下：

{
    "name": "<模型名称>",
    "model_id": "<模型唯一标识>",
    "engine": "<引擎类型>",
    "lang_id": "<语言标识>",
    "checksum": "<MD5校验和>",
    "checksum_quick": "<部分MD5校验和>",
    "comp": "<压缩类型>",
    "urls": [
        <模型URLs>
    ],
    "size": "<所有文件的下载大小>"
}

允许的引擎类型：stt_ds、stt_vosk、stt_april、stt_whisper、stt_fasterwhisper、tts_piper、tts_rhvoice、tts_espeak、tts_coqui、tts_mimic3、tts_whisperspeech、tts_sam、tts_parler、tts_f5、tts_kokoro、mnt_bergamot

允许的压缩类型：none、gz、xz、tarxz、targz、zip、zipall、dir、dirgz

允许的URL类型：http、https、file

校验和是在解压所有文件后计算的。如果您要添加新模型，可以使用命令行选项 --gen-checksums 来获取正确的校验和。为此，请将 checksum 和 checksum_quick 字段留空，保存文件，并使用上述选项运行 Speech Note。

例如：

{
    "name": "新Piper语音",
    "model_id": "en_piper_new",
    "engine": "tts_piper",
    "lang_id": "en",
    "checksum": "",
    "checksum_quick": "",
    "size": ""
    "comp": "dir",
    "urls": [
        "file:///home/me/models/new-model-medium.onnx",
        "file:///home/me/models/new-model-medium.onnx.json"
    ]
}

flatpak run net.mkiol.SpeechNote --verbose --gen-checksums

参与Speech Note开发

我们非常欢迎任何形式的贡献！

有关如何参与开发的详细信息，请参阅 CONTRIBUTING.md。

该项目同时托管在 GitHub 和 GitLab 上。您可以在自己最常用的平台上提交PR/MR、报告问题或请求新功能。

翻译

Qt格式的翻译文件位于 translations 目录下。

推荐通过 Transifex服务 提交翻译，但如果您希望直接提交PR/MR，也完全可以。

如何支持

如果您觉得 Speech Note 非常有用，并希望支持这个项目，请考虑采取以下一种或多种方式：

• 在 GitHub 或/及 GitLab 上给个赞。
• 在您的应用管理器（Discover、Software或其他）中写下评论。
• 通过社交媒体向他人推荐这款应用。
• 如果您有闲钱，可以通过 ko-fi（一次性捐赠） 或 Liberapay（定期捐赠） 进行小额捐助。

依赖库

Speech Note 依赖于以下开源项目：

• Qt
• Coqui STT
• Coqui TTS
• Vosk
• whisper.cpp
• WebRTC VAD
• libarchive
• RNNoise-nu
• {fmt}
• Hugging Face Transformers
• Piper
• RHVoice
• ssplit-cpp
• espeak-ng
• bergamot-translator
• Rubber Band Library
• simdjson
• Nlohmann JSON
• uroman
• astrunc
• FFmpeg
• LAME
• Vorbis
• TagLib
• libnumbertext
• KDBusAddons
• QHotkey
• faster-whisper
• Mimic 3
• Unikud
• april-asr
• Opus
• html2md
• maddy
• WhisperSpeech
• libxdo
• Kokoro
• Parler-TTS
• F5-TTS
• S.A.M.

评论和演示

• Speech Note 4.8 变更视频 (Speech Note 4.8)

• Speech Note 4.7 变更视频 (Speech Note 4.7)

• Speech Note 4.6 变更视频 (Speech Note 4.6)

• Speech Note 4.5 变更视频 (Speech Note 4.5)

• 截图 (Speech Note 4.5)

• Thejesh GN 博客 (Speech Note 4.7)

• LinuxD0 视频 (Speech Note 4.7，西班牙语)

• Guia Linux 视频 (Speech Note 4.7，葡萄牙语)

• lwn.net (Speech Note 4.6)

• Softpedia (Speech Note 4.6)

• OSTechNix (Speech Note 4.6)

• Linux Mint 上最佳免费语音转文本工具视频 (Speech Note 4.6)

• Marco's Box (Speech Note 4.4，意大利语)

• Marco's Box 视频 (Speech Note 4.4，意大利语)

• alternativalinux (Speech Note 4.4，意大利语)

• alternativalinux 视频 (Speech Note 4.4，意大利语)

• ZDNET (Speech Note 4.2)

• 在 Sailfish OS 上的翻译功能视频演示 (Speech Note 4.0)

• 在 PinePhone 上的翻译功能视频演示 (Speech Note 4.0)

• DebugPoint.com (Speech Note 4.0)

• DebugPoint.com 视频 (Speech Note 4.0)

• OMG! Linux (Speech Note 4.0)

• LinuxLinks (Speech Note 4.0)

• The Linux Cast 视频 (Speech Note 4.0)

• CONNECTwww.com (Speech Note 4.0)

许可证

Speech Note 是一个开源项目。源代码根据 Mozilla 公共许可证 2.0 版 发布。请参阅 LICENSE 文件的副本。

第三方库：

• Coqui STT，根据 Mozilla 公共许可证 2.0 版 发布
• Coqui TTS，根据 Mozilla 公共许可证 2.0 版 发布
• Vosk API，根据 Apache 许可证 2.0 发布
• whisper.cpp，根据 MIT 许可证 发布
• WebRTC，根据 此许可证 发布
• libarchive，根据 BSD 许可证 发布
• RNNoise-nu，根据 BSD 3-Clause 许可证 发布
• {fmt}，根据 此许可证 发布
• Hugging Face Transformers，根据 Apache 许可证 2.0 发布
• Piper，根据 MIT 许可证 发布
• RHVoice，根据 GNU 通用公共许可证 v2.0 发布
• ssplit-cpp，根据 Apache 许可证 2.0 发布
• espeak-ng，根据 GNU 通用公共许可证 v3.0 发布
• bergamot-translator，根据 Mozilla 公共许可证 2.0 发布
• Rubber Band Library，根据 GNU 通用公共许可证（版本 2 或更高） 发布
• simdjson，根据 Apache 许可证 2.0 发布
• Nlohmann JSON，根据 MIT 许可证 发布
• uroman，根据 此许可证 发布
• astrunc，根据 MIT 许可证 发布
• FFmpeg，根据 GNU 较小通用公共许可证 2.1 版或更高 发布
• LAME，根据 LGPL 发布
• Vorbis，根据 此许可证 发布
• TagLib，根据 GNU 较小通用公共许可证 (LGPL) 和 Mozilla 公共许可证 (MPL) 发布
• libnumbertext，根据 BSD 许可证 发布
• KDBusAddons，根据 LGPL 许可证 发布
• QHotkey，根据 BSD-3-Clause 许可证 发布
• faster-whisper，根据 MIT 许可证 发布
• Mimic 3，根据 AGPL-3.0 许可证 发布
• Unikud，根据 MIT 许可证 发布
• april-asr，根据 GNU 通用公共许可证 v3.0 发布
• libopus，根据 此许可证 发布
• html2md，根据 MIT 许可证 发布
• maddy，根据 MIT 许可证 发布
• WhisperSpeech，根据 MIT 许可证 发布
• Kokoro，根据 Apache 许可证 2.0 发布
• Parler-TTS，根据 Apache 许可证 2.0 发布
• F5-TTS，根据 MIT 许可证 发布

nonbreaking_prefixes 目录中的文件是从 mosesdecoder 项目复制而来，并根据 GNU 较小通用公共许可证 v2.1 分发。

Speech Note 快速上手指南

Speech Note 是一款专为 Linux 桌面和 Sailfish OS 设计的离线笔记应用，支持语音转文字（STT）、文字转语音（TTS）及机器翻译。所有数据处理均在本地完成，无需联网，充分保障隐私。

环境准备

系统要求

• 操作系统：主流 Linux 发行版（如 Ubuntu, Fedora, Debian, Arch 等）或 Sailfish OS。
• 架构：x86_64 或 aarch64（ARM64）。
• 依赖管理：推荐安装 Flatpak 以简化依赖管理和沙箱运行。

前置依赖

若不使用 Flatpak 而选择源码编译，需安装以下开发库（以 Ubuntu/Debian 为例）：

sudo apt-get install git cmake build-essential libssl-dev libasound2-dev libpulse-dev
# 其他特定引擎依赖请参考源码构建章节

注：对于普通用户，强烈建议使用 Flatpak 版本，无需手动配置复杂的环境依赖。

安装步骤

方法一：通过 Flathub 安装（推荐）

这是最简单且稳定的安装方式，自动处理所有运行时依赖。

1. 确保已安装 Flatpak：

   # Ubuntu/Debian
   sudo apt install flatpak
   # Fedora
   sudo dnf install flatpak
   

2. 添加 Flathub 仓库（如果尚未添加）：

   flatpak remote-add --if-not-exists flathub https://flathub.org/repo/flathub.flatpakrepo
   

3. 安装 Speech Note：

   flatpak install flathub net.mkiol.SpeechNote
   

方法二：国内加速安装（可选）

如果访问 Flathub 速度较慢，可配置国内镜像源（如上海交通大学镜像源）：

flatpak remote-modify flathub --url=https://mirror.sjtu.edu.cn/flathub
flatpak install flathub net.mkiol.SpeechNote

基本使用

1. 启动应用

安装完成后，可通过应用菜单搜索 "Speech Note" 启动，或使用命令行：

flatpak run net.mkiol.SpeechNote

2. 下载语言模型

首次使用时，应用内不包含具体的模型文件，需通过内置浏览器下载：

• 打开应用，进入 Settings (设置) 或 Models (模型) 面板。
• 在列表中选择你需要的语言（如 Chinese, English 等）。
• 勾选所需的引擎类型：
  • STT: 语音识别（推荐 Whisper 或 Vosk）。
  • TTS: 语音合成（推荐 Piper 或 espeak）。
  • MT: 机器翻译（Bergamot）。
• 点击 Download 按钮，模型将自动下载并存储到本地。

3. 核心功能示例

语音记笔记 (Speech to Text)

1. 在编辑器界面，点击麦克风图标。
2. 选择已下载的 STT 模型（例如 whisper-large-v3）。
3. 对着麦克风说话，语音将实时转换为文字并填入笔记区域。

朗读笔记 (Text to Speech)

1. 在笔记中输入或粘贴一段文字。
2. 选中该段文字。
3. 点击扬声器图标，选择已下载的 TTS 模型（例如 piper-zh_CN）。
4. 应用将离线朗读所选内容。

离线翻译 (Machine Translation)

1. 输入源语言文本。
2. 点击翻译图标，选择目标语言。
3. 系统将利用本地 Bergamot 模型立即生成翻译结果，全程无网络请求。

提示：所有操作均在断网环境下可用，一旦模型下载完成，无需再次连接互联网即可使用全部功能。